工程师 AI 使用指南：理性思考而非盲目依赖

一份 AI 依赖程度自查表

我为使用 AI 进行开发的工程师设计了一份「思考指南」，也期待听到你的反馈。

我们正在进入软件工程的新时代。

如今，代码可以瞬间生成。完整的函数、组件，甚至整个系统，都能在几秒钟内搭建出来。

这是一个巨大的机遇。

但最近，我一直在思考一个不易察觉的取舍：

当执行变得更容易时，思考也可能在不知不觉中减少。

这不是因为我们的能力下降了，而是因为过去那些迫使我们思考的时刻——调试、挣扎和推理——如今被压缩了，甚至直接被跳过。

你可以以前所未有的速度交付。但仅靠速度，并不能建立真正的理解。

多项研究表明，过度依赖 AI 工具可能会减少认知投入、削弱批判性思维，并损害长期学习能力。这些都属于认知卸载的表现。

《今日心理学》最近报道了一项实验性学习研究——《认知卸载：使用 AI 会减少新技能的形成》。研究发现，在学习复杂技能时（例如借助 AI 辅助编程），高度依赖 AI 的学习者，与不使用 AI 完成相同任务的学习者相比，形成的新技能明显更少。研究者得出结论：如果完成任务的目的是学习，那么把关键步骤交给 AI，会「显著减少」技能的形成。因此，他们建议，在建立扎实的独立能力基础之前，应该推迟使用 AI 辅助。

关键并不是避开 AI，而是以一种能让你继续思考的方式使用它，而不是让它取代你的思考。

我为什么写这份指南

在过去几年里，我从一名毫无经验的毕业生，在 5 年内成长为高级软件工程师，同时也开发并发布了自己的项目。

在这个过程中，我意识到了一件事：

成长并不来自写了更多代码，而来自对自己写过的代码进行反思。

调试完一个问题后，是什么信号引导我找到了根因？设计完一个系统后，我做出了哪些取舍？使用 AI 之后，我真的理解它生成的内容了吗？

于是，我开始在日常工作中培养一些微小的反思习惯。

久而久之，它逐渐演变成了一套结构化的体系。

最近，我把这套体系整理成了一份指南：《AI 时代的思考》。

它的目标很简单：帮助工程师在使用 AI 工具的同时，继续培养自己的判断力和直觉。

这份指南并不是让你读一遍就丢到一边。

它被设计成可以在工作流中的一个个短暂时刻里使用。

大多数练习只需要 2～5 分钟。

总共 15 个练习。

你不需要使用所有练习。只需先选择一种工具，然后坚持使用即可。

重点不是进行更多反思，而是有意识地反思。

示例 1——AI 依赖检测器

指南中的一项工具，是一个快速而有效的评估练习，用来判断 AI 究竟是在强化你的思考，还是正在取代它。

以下是从指南中完整摘录的练习：

Part 1 — Quick Self-Assessment

For each statement, check the box if it applies to you frequently.
☐ I use AI before attempting to think through the problem myself.
☐ I paste AI-generated code without fully reading it.
☐ I struggle to explain AI-generated solutions afterward.
☐ I rely on AI for problems I previously could solve independently.
☐ I rarely rewrite AI-generated code in my own style.
☐ I feel uncomfortable solving similar problems without AI.
☐ I accept AI solutions even when I do not fully understand them.
☐ I use AI to avoid difficult cognitive effort.

Interpreting Your Results

0–2 boxes checked → AI is likely accelerating your thinking.

3–5 boxes checked → Monitor usage and reintroduce friction.

6+ boxes checked → Consider temporarily increasing independent problem-solving time.

Part 2 — Dependency Signals

Reflect on the following questions:

When AI is unavailable, how confident would I feel solving similar problems?

1 — Not confident
2 — Somewhat unsure
3 — Neutral
4 — Confident
5 — Fully confident

Circle one: 1 2 3 4 5

Have my independent debugging skills improved, stayed the same, or declined over the past months?

☐ Improved
☐ Stayed the same
☐ Declined

If I removed AI from my workflow tomorrow, what would weaken first?

_____________________________________________________________________

Part 3 — Cognitive Strength Check

Complete this short test after using AI:

Without looking at the code:

• Can I describe the logic step by step?

• Can I identify edge cases?

• Can I reason about time/space complexity?

• Can I modify the solution confidently?

If you answered “no” to multiple items, this is not failure, it is a signal.

Part 4 — Adjustment Plan

If you notice rising dependency, choose one corrective action:

☐ Attempt solutions yourself for 5–10 minutes before using AI

☐ Rewrite AI-generated code in my own words

☐ Explain the solution aloud after generating it

☐ Use AI only after defining constraints clearly

☐ Limit AI use for certain categories (e.g., debugging)

Write one commitment for your next session:
_____________________________________________________________________

示例 2——反思 Prompt 卡片

我还按照不同的工程主题制作了一组 prompt 卡片：

调试 / 事故

我把这些卡片打印出来，并在开发产品时放在桌上，以便在过程中向自己提出正确的问题。

每当工作时，我都可以抽出一张相关的卡片，快速进行反思。

「我在这里有意识地做出了哪些取舍？」

「是什么信号引导我找到了根因？」

「如果必须从头重建，我会采用哪些不同的做法？」

这些小问题会随着时间不断积累，最终形成直觉。

现在，我公开这份指南征求反馈

如果你对此感兴趣，可以在原文提供的页面中找到这份指南。

你可以免费获取它，只需将价格设置为 0。如果它最终对你有帮助，也欢迎给予支持，让我能够继续投入时间，为工程师创作更多资源。当然，这完全是自愿的。

我主要希望获得其他工程师的反馈。

尤其希望听到你对以下方面的看法：

哪些练习有用，哪些没有必要；

它如何融入你的实际工作流。

很想知道其他人是怎么做的

我也很想听听这里其他开发者的看法：

你如何确保自己的思考能力能够跟上 AI 工具的发展？

你是否建立了某些习惯或体系？

AI 可以生成代码。

但真正能够脱颖而出的工程师，是那些在使用 AI 的同时，仍然坚持深入思考的人。

这正是我想通过这份指南实现的目标。它正在帮助我，也希望它能在你的开发者成长之路上帮助到你。

很想听听你的想法！

部分评论可能只有登录后的访客才能看到。登录后即可查看全部评论。

如需采取进一步措施，你可以考虑屏蔽此人和／或举报滥用行为。